Un proyecto que utiliza el "Archivo en Línea Their Finest Hour Online Archive" de la Universidad de Oxford evaluó tres enfoques de Procesamiento del Lenguaje Natural: Reconocimiento de Entidades Nombradas, Extracción de Palabras Clave y Modelado Temático, para automatizar la extracción de palabras clave a gran escala. El estudio probó estos métodos en técnicas que van desde modelos estadísticos tradicionales hasta redes neuronales de IA generativa modernas.
- Los hallazgos cuantitativos y cualitativos indican que los enfoques de PLN ofrecen un potencial real para la extracción de palabras clave en colecciones colaborativas, aunque ningún método único proporciona una solución completa.
- Se encontró que la elección del modelo moldea significativamente los resultados del proceso de extracción.
- Los modelos extractivos de peso abierto surgieron como los más adecuados para un despliegue responsable en comparación con la IA generativa.
Los autores argumentan que la extracción automatizada de palabras clave plantea responsabilidades de custodia distintas porque los metadatos son el producto directo del compromiso con contribuyentes vivos. Advierten que, aunque la IA generativa tiene potencial abstractivo, introduce riesgos de responsabilidad que los gestores deben sopesar cuidadosamente.